sortasi
DESCRIPTION
sortasiTRANSCRIPT
-
Prosiding Seminar Nasional Teknologi Inovatif Pascapanen untuk Pengembangan Industri Berbasis Pertanian
Balai Besar Penelitian dan Pengembangan Pascapanen Pertanian 1062
PENGEMBANGAN MESIN SORTASI DAN PEMUTUAN
OTOMATIS UNTUK BUAH MANGGA BERDASARKAN
EVALUASI MUTU MENGGUNAKAN PENGOLAHAN CITRA
Usman Ahmad
1, Jop Pramon
2 dan Hermansyah
2
1Departemen Teknik Pertanian, Fakultas Teknologi Pertanian, IPB
2Alumni Program Sarjana Departemen Teknik Pertanian, Fakultas Teknologi Pertanian, IPB
ABSTRAK
Sortasi dan pemutuan buah mangga ke dalam beberapa tingkat mutu sangat penting sebelum
penentuan harga. Di Indonesia sudah diketahui secara luas, bahwa hanya buah mangga mutu
terbaik yang dapat dijual kepada ekportir, sedangkan mutu kedua ke supermarket dan sisanya ke
pasar tradisional. Pedagang tidak akan memperoleh harga yang baik bila tidak melakukan sortasi
dan pemutuan dengan benar. Namun demikian, sortasi dan pemutuan yang dilakukan secara visual
dan manual seperti dilakukan saat ini hasilnya tidak konsisten akibat perbedaan persepsi tentang
mutu buah mangga oleh pekerja. Oleh karena itu, mesin sortasi dan pemutuan otomatis yang dapat
melakukan penilaian seperti yang dilakukan manusia, sangat diperlukan. Tujuan dari penelitian ini
adalah untuk membangun protoipe mesin sortasi dan pemutuan otomatis untuk buah mangga, yang
menggunakan pengolahan citra dalam mengevaluasi mutu buah mangga. Untuk analisis citra
digunakan sebuah kamera warna CCD, sebuah komputer dengan kartu penangkap citra, dan
program komputer untuk melakukan pengolahan citra. Mesin sortasi dan pemutuan otomatis terdiri
dari unit pengumpan, konveyor sabuk, unit penangkap dan pengolah citra, batang pendorong, unit
penampung, motor listrik, komputer untuk mengendalikan kamera dan motor melalui kartu
interface, dan kerangka mesin tempat semua komponen tersebut dipasang. Dari percobaan
diketahui bahwa program komputer pengolah citra yang dibuat dapat membedakan mutu buah
melalui analisis ukuran, warna, dan tekstur permukaan kulit buah. Hasilnya memperlihatkan
bahwa mangga Arumanis dapat digolongkan menjadi tiga kelompok mutu berdasarkan area dan
fitur tesktur dari analisis citra, dengan ketepatan 69,4%. Mangga Gedong dapat digolongkan
menjadi dua kelompok mutu berdasarkan warna kulitnya, dengan ketepatan 74,3%. Namun
demikian kinerja prototipe mesin yang dibangun masih rendah akibat adanya masalah pada unit
pengumpanan, yang kadang-kadang harus dibetulkan dengan meletakkan buah mangga pada posisi
yang diinginkan di atas konveyor.
Kata kunci : pengolahan citra, mangga, sortasi dan pemutuan
ABSTRACT
Sorting and grading of mango fruits into several quality grades is very important before pricing. Its
is common in Indonesia that best quality mango fruits usually go to exporter, good quality ones go
to supermarket, and the rest go to the traditional market. Fail in sorting and grading activity causes
disadvantage, which is not able to sell the fruits in their best price. However, sorting and grading
of mango fruits visually and manually by the workers, as practiced today, is subject to
inconsistency because of different perception of the quality by different workers. Therefore,
automatic sorting and grading machine for mango fruits that can immitate human ability in judging
the quality of the mango is necessary. The objective of this research is to develop a prototype of
automatic sorting and grading machine for mango fruits which employs image processing analysis
in the mango quality evaluation. Used for image analysis are a CCD color camera, a computer
with image frame grabber, and a computer program for image processing. The automatic sorting
and grading machine is consist of feeding hoper, belt conveyor, image acquisition system, pushing
poles, buckets, electric motor, computer to control the camera and the electric motor through an
interfacing card, and body frame to which all the components attached. From the experiment, it
was found that the computer program can distinguish different quality of mango fruits by
analyzing their size, color, and texture of the skin. The results showed that Arumanis mangoes can
-
Prosiding Seminar Nasional Teknologi Inovatif Pascapanen untuk Pengembangan Industri Berbasis Pertanian
Balai Besar Penelitian dan Pengembangan Pascapanen Pertanian 1063
be graded into three quality grades using area and textural features of image analysis, with
accuracy level of 69.4%. Gedong mangoes can be graded into two quality levels using color of
skin, with accuracy level of 74.3%. However, the performance of the prototype is still low due to
the problem found in the feeding hover, which sometimes failed to put the mango in the preferred
position on the conveyor.
Keywords: image processing, mango, sorting and grading
PENDAHULUAN
Selama ini sortasi dan pemutuan buah-buahan, termasuk buah mangga, masih dilakukan
secara manual yang bersifat subyektif dan menghasilkan produk dengan mutu yang
beragam. Subyektifitas ini dapat dihindarkan dengan mengembangkan suatu metode
pemutuan untuk mensortasi dan mengelompokkan buah-buahan berdasarkan mutunya
dengan baik. Selainn itu, untuk meningkatkan produktivitas dan mutu produk dalam suatu
proses produksi, dalam hal ini buah mangga, diperlukan penerapan otomatisasi.
Otomatisasi yang menggunakan komputer sebagai pusat pengendali sangat membantu
manusia dalam menggantikan tugas yang tidak mungkin dilakukan oleh manusia karena
keterbatasan kemampuan dan waktu. Dengan menerapkan otomatisasi di bidang pertanian
ini diharapkan dapat meningkatkan produktivitas kerja, ketelitian dan mutu produk yang
dihasilkan sehingga mampu bersaing di pasar internasional.
Salah satu alternatif penerapan otomatisasi dalam penanganan pascapanen
mangga adalah dengan penggunaan mesin yang dilengkapi dengan sensor kamera dan
pengolahan citra (image processing) yang bersifat tidak merusak (non-destructive)
sehingga mesin dapat bekerja secara otomatis dalam melakukan evaluasi mutu dan
mengelompokkannya. Pengolahan citra merupakan salah satu sistem visual buatan yang
menggunakan kamera CCD (charge coupled device) sebagai sensor optik. Dengan alat ini
dan program komputer pengolahan citra, kita dapat dengan mudah mengevaluasi buah
berdasarkan ukuran, warna dan bentuk termasuk bercak-bercak yang terdapat pada
permukaan buah yang ditangkap. Dengan demikian dapat dilakukan penilaian secara
obyektif dan konsisten, sehingga diharapkan akan diperoleh hasil pemutuan yang seragam
dengan tingkat kesalahan yang dapat diterima.
Tujuan penelitian ini secara umum adalah untuk mengembangkan mesin sortasi
dan pemutuan buah mangga segar dengan pengolahan citra. Tujuan penelitian secara
khusus adalah:
a. Membangun program pengolahan citra yang dapat menganalisis citra buah mangga
secara langsung (real time) untuk penentuan mutu berdasarkan penampilannya.
b. Merancang dan membangun prototipe mesin sortasi buah mangga berdasarkan
evaluasi mutu menggunakan pengolahan citra.
Mutu dan rasa buah yang matang tergantung dari tingkat ketuaan atau kemasakan
buah pada saat dipanen. Buah mangga tergolong dalam buah klimakterik karena buah ini
dapat memasuki stadium matang dalam beberapa hari secara alamiah bila cukup tua
waktu dipetik. Tingkat ketuaan atau kemasakan buah mangga dapat ditentukan
berdasarkan umur buah dalam hari setelah bunga mekar (Broto, 1994), bentuk buah,
tangkai buah, lapisan lilin dan lenti sel pada kulit buah.
Karakteristik buah mangga yang sudah dapat dipanen adalah pada waktu sudah
ada satu atau dua buah mangga yang masak telah jatuh dari pohonnya, sedangkan untuk
buah masak adalah apabila dipegang terasa lebih lunak, telah ada perubahan warna, yaitu
menjadi kuning atau kemerahan tergantung varietasnya.
Pemilihan mangga dapat dilakukan secara visual dengan melihat bentuk fisik,
sifat fisik, warna kulit serta ukuran buahnya. Pemilihan ini dilakukan untuk memisahkan
-
Prosiding Seminar Nasional Teknologi Inovatif Pascapanen untuk Pengembangan Industri Berbasis Pertanian
Balai Besar Penelitian dan Pengembangan Pascapanen Pertanian 1064
mangga matang dari mentah, mangga cacat dari yang sehat, mangga abnormal dari yang
normal dan mengkelaskannya berdasarkan parameter mutu yang disyaratkan.
Pengolahan citra merupakan proses pengolahan dan analisis citra yang banyak
melibatkan persepsi visual. Citra yang digunakan adalah citra digital, karena citra jenis ini
dapat diproses oleh komputer digital. Citra digital dapat diperoleh secara otomatis dari
sistem perangkat citra digital yang melakukan pemindaian citra membentuk suatu matrik
dimana elemen-elemennya menyatakan nilai intensitas cahaya pada suatu lingkungan
diskrit dari titik.
Persepsi warna dalam pengolahan citra tergantung kepada tiga faktor yaitu
pemantulan warna, kandungan warna dari cahaya dan kemampuan merespon warna.
Model warna telah banyak dikembangkan oleh para ahli seperti model RGB (Red, Green,
Blue), model CMY (K) (Cyan, Magenta, Yellow), YCbCr (luminasi, dan dua komponen
krominasi) dan HSI (Hue, Saturation, Intensity). Model warna RGB merupakan model
warna pokok aditif yaitu warna dibentuk dengan mengkombinasikan energi cahaya dari
ketiga pokok dalam berbagai perbandingan dan banyak digunakan dalam rancangan
perangkat keras video.
Tekstur merupakan salah satu karakteristik yang penting yang digunakan dalam
mengidentifikasi suatu obyek melalui permukaannya dalam citra. Pengukuran tekstur
dilakukan dengan menggunakan empat belas fitur yang diperkenalkan oleh Haralick et.al.
(1973). Empat fitur diantaranya adalah energi, kontras, homogenitas dan entropi.
BAHAN DAN METODA
Bahan yang digunakan dalam penelitian ini adalah mangga Arumanis dan
mangga Gedong gincu kualitas ekspor dengan berbagai kelas mutu serta buah yang tidak
termasuk dalam kriteria ekspor (kelas reject). Mangga ini diperoleh dari pedagang
pengumpul besar di Indramayu.
Perangkat keras yang digunakan untuk pengolahan citra adalah kamera CCD
digital berwarna VED model OC-305 D dan seperangkat komputer yang dilengkapi
dengan kartu penangkap citra (image frame grabber), sebuah lampu TL 20 watt dan kain
berwarna hitam sebagai penutup agar cahaya dari luar tidak dapat masuk. Beberapa
perangkat keras lainnya juga digunakan untuk pengukuran secara langsung yaitu
timbangan digital untuk mengukur berat buah.
Untuk pembuatan prototipe mesin sortasi dan pemutuan digunakan bahan-bahan
konstruksi seperti besi siku, pelat besi, karet konveyor, motor listrik, puli, solenoid dan
lain-lainnya. Mekanisme kontrol komponen-komponen pada mesin dilakukan melalui
kartu interface dan kotak sirkuit. Perangkat lunak untuk melakukan pengolahan citra dan
kontrol terhadap semua komponen pada mesin sortasi dan pemutuan, digunakan program
komputer yang dibangun dengan bahasa C.
Program pengolahan citra dibangun untuk dapat melakukan pengambilan dan
pengolahan citra buah mangga, sekaligus melakukan kontrol terhadap komponen dari
mesin sortasi, yaitu sebuah motor listrik dan tiga buah solenoid. Pengolahan citra
dilakukan secara langsung meliputi perhitungan area, indeks RGB dan empat fitur tekstur.
Citra mangga dalam berbagai tingkatan kelas mutu diambil dengan menggunakan
kamera CCD. Citra buah mangga direkam dan diolah secara otomatis dengan resolusi
256x192 piksel dan 256 tingkatan intensitas cahaya merah, hijau dan biru (RGB).
Pengukuran area dilakukan dengan terlebih dahulu mengubah citra warna menjadi citra
biner untuk membedakan obyek dan latar belakang melalui proses thresholding.
Intensitas warna diukur dengan menggunakan model warna RGB. Pengukuran intensitas
warna RGB dilakukan dengan cara membentuk suatu jendela obyek sebagai sampel
dengan ukuran 70x50 piksel untuk mangga Arumanis dan 60x45 untuk mangga Gedong.
Letak jendela yang dibentuk adalah pada bagian tengah obyek. Pengukuran tekstur
-
Prosiding Seminar Nasional Teknologi Inovatif Pascapanen untuk Pengembangan Industri Berbasis Pertanian
Balai Besar Penelitian dan Pengembangan Pascapanen Pertanian 1065
dilakukan pada jendela dengan ukuran yang sama dengan yang digunakan dalam
pengukuran intensitas warna.
Proses pemutuan dilakukan setelah didapatkan interval atau batasan nilai tertentu
berdasarkan analisis statistik data parameter mutu yang telah didapat. Batasan nilai ini
diharapkan dapat mengklasifikasikan buah pada tingkatan kelas yang berbeda-beda.
Pemutuan secara manual didapat berdasarkan karakteristik buah pada tiap tingkatan kelas
mutu yang diperoleh dari pedagang buah mangga di Indramayu sesuai dengan kriteria
yang telah mereka tetapkan.
Prototipe mesin sortasi dibangun dengan mengutamakan desain fungsional, terdiri
dari unit pengumpan, unit perekam dan pengolah citra, unit penyalur dan unit penggerak.
Semua unit, kecuali unit perekam dan pengolah citra, dikontrol oleh komputer melalui
kartu interface, sedangkan unit perekam dan pengolah citra dikontrol oleh komputer
melalui kartu penangkap citra yang dihubungkan ke kamera.
HASIL DAN PEMBAHASAN
1. Pembuatan Perangkat Lunak
Dalam penelitian ini, program komputer yang dibuat dapat melakukan perekaman dan
pengolahan citra secara langsung. Setelah perekaman citra dilakukan tanpa perlu
menyimpannya terlebih dahulu (real time). Pengambilan data dilakukan pada tiap sampel
yang meliputi data area, intensitas warna yang ditandai dengan indeks RGB dan empat
macam fitur tekstur (kontras, homogenitas, energi dan entropi) untuk setiap tingkatan
kelas mutu yang berbeda. Penentuan tingkatan mutu secara manual telah dilakukan
berdasarkan kriteria yang ditetapkan oleh pedagang mangga. Algoritma pengolahan citra
meliputi pengambilan citra, binerisasi berdasarkan intensitas warna merah dengan nilai
threshold tertentu, labeling, perhitungan area, penentuan titik tengah obyek, perhitungan
indeks RGB dan perhitungan fitur tekstur. Tampilan program yang sedang berjalan
diperlihatkan pada Gambar 1, di mana terlihat citra buah mangga yang baru ditangkap
terlihat pada jendela kiri bawah, sedangkan jendela kanan bawah memperlihatkan obyek
setelah proses binerisasi.
Pemutuan yang dilakukan oleh pedagang pada buah mangga Arumanis
berdasarkan ukuran pada tiap buah yang menghasilkan tiga tingkatan mutu yaitu mutu I,
II dan III serta satu kelompok yang tidak memenuhi syarat yang disebut kelas reject.
Buah yang dikategorikan kelas reject adalah buah yang mempunyai cacat pada
permukaan, terdapat bagian tertentu yang mengalami kebusukan, bentuk buah yang
abnormal, dan ukuran buah yang sangat kecil dan tidak memenuhi syarat. Pemutuan
mangga Gedong pada tingkat pedagang berdasarkan warna buah yang menghasilkan dua
tingkatan mutu yaitu mutu I dan II serta kelas reject. Buah yang tergolong mutu I adalah
buah yang permukaannya berwarna merah jingga dengan pucuk merah kekuningan.
Semakin rendah intensitas warna merahnya maka mutu semakin rendah hingga buah yang
seluruh permukaannya masih berwarna hijau yang tergolong kelas reject.
-
Prosiding Seminar Nasional Teknologi Inovatif Pascapanen untuk Pengembangan Industri Berbasis Pertanian
Balai Besar Penelitian dan Pengembangan Pascapanen Pertanian 1066
Gambar 1. Program pengolah citra sedang menangkap citra buah
mangga melalui kamera CCD sekaligus
menganalisinya
Dari data hasil pengolahan citra pada citra mangga pada berbagai tingkatan mutu,
dapat ditentukan faktor pembeda pada tiap tingkatan kelas yang selanjutnya disebut
sebagai parameter pemutuan. Pada mangga Arumanis didapatkan parameter pemutuan
yang digunakan adalah area buah. Pengolahan data dilakukan dengan perhitungan
statistik standar deviasi untuk menentukan nilai ambang bawah dan ambang atas untuk
masing-masing tingkatan mutu. Tabel 1 merupakan hasil perhitungan rata-rata, standar
deviasi, nilai maksimum dan nilai minimum pada data area mangga Arumanis dengan
tiga tingkatan mutu yang berbeda, sedangkan garis batas antar kelas mutu diperlihatkan
pada Gambar 2.
Tabel 1. Penentuan batas antar kelas mutu pada area mangga Arumanis
Parameter Statistik Mutu
I II III
Rata-rata (piksel) 12772 10054 8680
Std. deviasi (piksel) 1196 807 593
Maksimum (piksel) 16194 11773 10069
Minimum (piksel) 10787 8543 7703
Batas bawah (piksel) 11000 9300 -
Batas atas (piksel) - 11000 9300
-
Prosiding Seminar Nasional Teknologi Inovatif Pascapanen untuk Pengembangan Industri Berbasis Pertanian
Balai Besar Penelitian dan Pengembangan Pascapanen Pertanian 1067
6
8
10
12
14
16
18
0 1 2 3 4
Mutu
Are
a (ribu p
iksel)
Gambar 2. Batas antar kelas mutu pada mangga Arumanis berdasarkan area
Indeks warna RGB pada ketiga macam kelas tidak berbeda nyata yaitu berkisar
antara 0,4-0,25. Dengan demikian indeks warna tidak dapat digunakan sebagai parameter
pemutuan pada buah mangga Arumanis. Pada fitur tekstur, hanya nilai kontras yang
menunjukkan beda nyata antara buah kelas I, II, III dengan buah kelas reject. Kontras
menunjukkan perbedaan lokal dalam citra, sehingga perbedaan antara kulit mangga yang
mulus dengan kulit mangga yang cacat dapat terdeteksi, dan hal ini menandakan bahwa
kulit mangga tersebut mempunyai tanda-tanda cacat. Nilai kontras yang tinggi
menunjukkan jumlah perbedaan lokal yang tinggi (warna tidak rata akibat adanya getah
atau kerak pada kulit mangga). Buah mutu I, II dan III mempunyai nilai kontras rata-rata
di bawah 0,6 sedangkan buah reject mempunyai nilai kontras rata-rata di atas 0,6. Nilai
batasan ini didapat dari rata-rata antara nilai ambang atas kontras pada mutu I, II dan III
dengan nilai ambang bawah kontras pada kelas reject. Tabel 2 adalah hasil perhitungan
rata-rata, standar deviasi, nilai maksimum dan nilai minimum pada data fitur tekstur
kontras pada mangga Arumanis dengan empat tingkatan mutu yang berbeda, sedangkan
Tabel 2. Penentuan batas antar kelas mutu pada fitur tekstur kontras
mangga Arumanis
Parameter Statistik Mutu
A B C Reject
Rata-rata 0,4603 0,5459 0,5117 0,8427
Std. Deviasi 0,1285 0,1170 0,0938 0,3721
Maksimum 0,7886 0,8546 0,7371 2,0443
Minimum 0,2934 0,3349 0,3594 0,3691
Batas Bawah - 0,6000
Batas Atas 0,6000 -
I II III
I
II
III
-
Prosiding Seminar Nasional Teknologi Inovatif Pascapanen untuk Pengembangan Industri Berbasis Pertanian
Balai Besar Penelitian dan Pengembangan Pascapanen Pertanian 1068
0
0,5
1
1,5
2
2,5
0 1 2 3 4 5
Mutu
Kontr
as
Gambar 3. Batas antar kelas mutu pada mangga Arumanis berdasarkan nilai kontras
Gambar 3 memperlihatkan garis pemisah antara mangga mutu I, II, dan III dengan kelas
reject. Fitur lainnya dari tekstur, yaitu homogenitas, energi dan entropi, tidak
menunjukkan perbedaan yang jelas sehingga nilai dari masing-masing fitur tekstur ini
tidak dapat digunakan sebagai parameter pemutuan.
Pada buah mangga Gedong parameter pemutuannya adalah intensitas warna pada
masing-masing buah. Area tidak berpengaruh dalam pemutuan mangga Gedong. Indeks
warna yang sangat berpengaruh dalam pemutuan adalah indeks warna merah. Tabel 3
menampilkan hasil perhitungan rata-rata, standar deviasi, nilai maximum dan nilai
minimum pada data indeks warna merah pada mangga Gedong dengan tiga tingkatan
mutu yang berbeda.
Tabel 3. Penentuan batas antar kelas mutu pada indeks warna merah mangga
Gedong
Parameter Satistik Mutu
I II Reject
Rata-rata 0,3651 0,3461 0,3142
Std. Deviasi 0,0155 0,0131 0,0227
Maksimum 0,3893 0,3742 0,3452
Minimum 0,3305 0,3207 0,2711
Ambang Bawah 0,3500 0,3300 -
Ambang Atas - 0,3500 0,3300
Pada mangga Gedong hasil pemutuan hanya dapat menghasilkan dua kelas mutu
yaitu I dan II serta satu kelompok buah reject. Dari perhitungan statistik standar deviasi
dapat ditentukan nilai ambang bawah dan ambang atas yang kemudian dapat digunakan
untuk menentukan batasan nilai indeks warna merah untuk tiap mutu. Mutu I mempunyai
indeks warna merah lebih besar atau sama dengan 0.35, mutu II antara 0.35 dan 0.33 serta
kelas reject dengan indeks warna merah kurang dari 0.33 (Gambar 4).
I II III reject
reject
I, II, III
-
Prosiding Seminar Nasional Teknologi Inovatif Pascapanen untuk Pengembangan Industri Berbasis Pertanian
Balai Besar Penelitian dan Pengembangan Pascapanen Pertanian 1069
0,25
0,27
0,29
0,31
0,33
0,35
0,37
0,39
0,41
0 1 2 3 4
Mutu
Indek
s w
arna
mer
ah
Gambar 4. Batas antar kelas mutu mutu pada mangga Gedong berdasarkan indeks
warna merah
Setelah didapatkan nilai-nilai batas antar kelas mutu untuk masing-masing
parameter pemutuan, selanjutnya nilai-nilai tersebut dimasukkan ke dalam program
sortasi yang kemudian dapat digunakan untuk melakukan proses pengolahan citra
sekaligus proses pemutuan buah. Pengujian sortasi tetap menggunakan sampel yang
sama. Hasil pemutuan menggunakan pengolahan citra dibandingkan dengan pemutuan
secara manual. Hasil perbandingan pemutuan mangga Arumanis secara manual dengan
pemutuan menggunakan program pengolahan citra berdasarkan parameter area dan fitur
kontras dapat dilihat pada Tabel 4. Secara umum hasil sortasi dan pemutuan mangga
Arumanis dengan menggunakan program pengolahan citra sesuai dengan hasil sortasi dan
pemutuan yang dilakukan secara manual dengan tingkat keberhasilan rata-rata sebesar
69.4%.
Tabel 4. Perbandingan antara pemutuan secara manual dengan pemutuan menggunakan
pengolahan citra pada mangga Arumanis
Pemutuan manual Pemutuan dengan Program
Total I II III Reject
I 34 (85 %)
1
(2.5%)
- 5
(12.5%)
40
(100%)
II 5
(12.5%) 18
(45%)
4
(10%)
13
(32.5%)
40
(100%)
III - 5
(12.5%) 29
(72.5%)
6
(15%)
40
(100%)
Reject - 1
(2.5%)
9
(22.5%) 30
(75%)
40
(100%)
Hasil perbandingan sortasi dan pemutuan secara manual dengan pemutuan
menggunakan program sortasi pengolahan citra pada mangga Gedong berdasarkan indeks
warna merah dapat dilihat pada Tabel 5. Untuk mangga Gedong, bila dibandingkan
dengan hasil sortasi dan pemutuan manual, tingkat keberhasilan rata-rata sebesar 74.32%.
I II reject
I
II
reject
-
Prosiding Seminar Nasional Teknologi Inovatif Pascapanen untuk Pengembangan Industri Berbasis Pertanian
Balai Besar Penelitian dan Pengembangan Pascapanen Pertanian 1070
Tabel 5. Perbandingan antara pemutuan secara manual dengan pemutuan menggunakan
pengolahan citra pada mangga Gedong
Pemutuan manual Pemutuan dengan program
Total I II Reject
I 25 (100%)
- - 25
(100%)
II 7
(29.2%) 7
(29.2%)
10
(41.6%)
24
(100%)
Reject 1
(4%)
1
(4%) 23
(92%)
25
(100%)
2. Pembuatan Prototipe Mesin Sortasi dan Pemutuan
Prototipe mesin sortasi dan pemutuan yang dibangun merupakan penyempurnaan dari
sistem sortasi yang telah dibangun sebelumnya (Ahmad et al., 2004). Prototipe mesin
terdiri dari unit pengumpan berupa piringan berputar, unit perekam dan pengolah citra
berupa ruang gelap yang ditutup kain hitam dengan penerangan khusus, unit penyalur
berupa konveyor sabuk terbuat dari karet dan dilengkapi tiga buah batang pendorong,
serta unit penggerak berupa motor listrik tiga fase, dapat dilihat pada Gambar 5.
Gambar 5. Gambar piktorial dan foto mesin sortasi dan pemutuan buah mangga otomatis
Seluruh bagian dari mesin berjalan secara otomatis di bawah kendali satu
program komputer, yaitu program yang sama dengan yang digunakan untuk melakukan
penangkapan dan analisis citra seperti telah diperlihatkan di depan. Ketika pertama kali
dijalankan, program akan mengaktifkan motor listrik selama beberapa detik. Perputaran
motor akan menyebabkan unit pengumpan berputar dan menjatuhkan sebuah mangga ke
atas unit penyalur. Motor listrik akan kembali diaktifkan sehingga unit penyalur kembali
bergerak sejauh 30 cm dan membawa buah mangga ke dalam unit penangkapan dan
pengolahan citra. Di sini citra buah mangga ditangkap dan dianalisis untuk dihitung area,
indeks warna, dan fitur teksturnya. Hasil analisis citra adalah status mutu buah mangga
yang berada di ruang penangkapan dan pengolahan citra, apakah mutu I, II, III, atau
reject. Motor kembali diaktifkan dan unit penyalur kembali bergerak 30 cm sehingga
buah mangga yang berikutnya masuk ke dalam ruang penangkapan dan pengolahan citra,
sementara buah sebelumnya yang sudah dianalisis keluar seiring dengan pergerakan unit
penyalur. Semenatara buah yang baru masuk akan dianalisis, buah yang baru keluar akan
-
Prosiding Seminar Nasional Teknologi Inovatif Pascapanen untuk Pengembangan Industri Berbasis Pertanian
Balai Besar Penelitian dan Pengembangan Pascapanen Pertanian 1071
mengalami salah satu kejadian berikut; bila mutu I, ia akan langsung didorong masuk ke
kotak pertama oleh batang pendorong yang digerakkan oleh solenoid, dengan cara
memberi aliran listrik yang dapat dilakukan oleh program komputer melalui kartu
interface dan kotak sirkuit, bila mutu II, buah akan dibiarkan mengikuti gerak berikutnya
dari unit pengumpan sehingga berada di depan kotak kedua, kemudian didorong oleh
batang pendorong kedua, bila mutu III buah akan dibiarkan mengikuti gerak berikutnya
dari unit pengumpan sehingga berada di depan kotak ketiga, kemudian didorong oleh
batang pendorong ketiga, terakhir bila mutu reject, buah akan dibiarkan mengikuti gerak
berikutnya dari unit pengumpan sehingga jatuh di ujung unit pengumpan dan masuk ke
kotak keempat. Mekanisme ini berlangsung terus selama mangga yang berada di unit
pengumpan belum habis, dan tidak terjadi kemacetan akibat penumpukan buah di sana.
Bila tidak ada kemacetan, kapasitas mesin adalah 200 buah/jam.
KESIMPULAN
1. Teknik pengolahan citra dapat digunakan untuk melakukan penilaian terhadap mutu
buah mangga Arumanis dan Gedong berdasarkan beberapa parameter mutu visual
yang biasa digunakan dalam pemutuan secara manual.
2. Prototipe mesin sortasi dan pemutuan yang dibangun dapat berjalan secara otomatis
meski dengan kecepatan yang masih rendah yaitu sekitar 200 buah/jam.
3. Ketepatan kinerja dibandingkan kinerja manual adalah 69,4% untuk mangga Arumanis
dan 74,3% untuk mangga gedong.
4. Masalah yang belum dapat diatasi adalah peluang bertumpuknya buah mangga di
sekitar saluran keluar dari unit pengumpan, sehingga menimbulkan kemacetan dan
mesin harus dihentikan dan buah mangga harus ditata ulang.
DAFTAR PUSTAKA
Ahmad, U., Subrata, IDM dan Gunayanti, S. 2004. Pemutuan buah mangga berdasarkan
penampakannya menggunakan pengolahan citra. J. Keteknikan Pertanian, Vol. 18
No. 1. Departemen Teknik Pertanian IPB, April 2004.
Broto, W. 1994. Budidaya dan Pasca Panen Mangga. Pusat Perpustakaan Pertanian dan
Komunikasi Penelitian , Bogor.
Haralick, R.M., K. Shanmugam and I. Dinstein. 1973. Textural features for image
clasification. IEEE Trans. On System, Man and Cybernetics. 3(6): 610-621
Pracaya. 1985. Bertanam Mangga. PT Penebar Swadaya. Jakarta.